CN111612886B - 室内三维模型生成方法及系统 - Google Patents
室内三维模型生成方法及系统 Download PDFInfo
- Publication number
- CN111612886B CN111612886B CN202010318788.6A CN202010318788A CN111612886B CN 111612886 B CN111612886 B CN 111612886B CN 202010318788 A CN202010318788 A CN 202010318788A CN 111612886 B CN111612886 B CN 111612886B
- Authority
- CN
- China
- Prior art keywords
- dimensional
- indoor
- grid
- point cloud
- axis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种室内三维模型生成方法、介质及系统,其中方法包括以下步骤:获取待建模的室内三维点云数据,并根据所述室内三维点云数据生成对应的二维图片;将所述二维图片输入到预先训练好的语义标注模型,以通过语义标注模型过滤所述二维图片中的干扰线,并提取二维图片的轮廓信息,以及根据轮廓信息对二维图片中的轮廓进行标注,以生成室内二维模型;根据室内二维模型和所述室内三维点云数据生成所述待建模建筑对应的三维模型;能够避免因可移动物体妨碍导致的三维点云缺失等问题对建模的影响,并对室内三维数据进行建模,同时,降低三维数据处理过程中所需要的人力和物力资源。
Description
技术领域
本发明涉及三维建模技术领域,特别涉及一种室内三维模型生成方法、一种计算机可读存储介质以及一种室内三维模型生成系统。
背景技术
在室内三维建模的过程中,由于采集三维数据的设备自身的限制,以及室内环境的复杂性,往往会因为可移动物体(例如,桌子、柜子等)的遮挡而导致三维数据中墙面不完整,与现实出现偏差。
相关技术中,在出现因可移动物体而导致的三维数据不准确问题时,多通过人工将三维数据与现实记录信息进行比对,并逐一对出错位置进行修改;这种方式由于人工的不确定性,容易导致错漏被忽略,并且,修改效率低下,耗费极大的人力和物力资源。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的一个目的在于提出一种室内三维模型生成方法,能够避免因可移动物体妨碍导致的三维点云缺失等问题对室内建模的影响,并对室内三维数据进行建模,同时,降低三维数据处理过程中所需要的人力和物力资源。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种室内三维模型生成系统。
为达到上述目的,本发明第一方面实施例提出了一种室内三维模型生成方法,包括以下步骤:获取待建模的室内三维点云数据,并根据所述室内三维点云数据生成对应的二维图片;将所述二维图片输入到预先训练好的语义标注模型,以过滤所述二维图片中的干扰线,并提取所述二维图片的轮廓信息,以及根据所述轮廓信息对所述二维图片中的轮廓进行标注,以生成室内二维模型;根据过室内二维模型和所述室内三维点云数据生成所述待建模的室内三维点云数据对应的室内三维模型。
根据本发明实施例的室内三维模型生成方法,首先,通过三维数据采集设备(例如,雷达等)获取待建模的室内三维点云数据,并根据室内三维点云数据生成待建模建筑对应的二维图片;然后,将二维图片输入到预先训练好的语义标注模型,以通过语义标注模型对二维图片中可移动物体形成的干扰线进行过滤,并提取二维图片的轮廓信息,以及根据轮廓信息对二维图片中的轮廓进行标注,以生成室内二维模型;接着,根据室内二维模型和室内三维点云数据进行三维建模,以生成待建模建筑对应的三维模型;从而实现避免因可移动物体妨碍导致的三维点云缺失等问题对室内建模的影响,并对室内三维数据进行建模,同时,降低三维数据处理过程中所需要的人力和物力资源。。
另外,根据本发明上述实施例提出的室内三维模型生成方法还可以具有如下附加的技术特征:
可选地,根据所述室内三维点云数据生成对应的二维图片,包括:根据所述室内三维点云数据计算所有三维点坐标值中的X轴极值和Y轴极值,并根据所述X轴极值和Y轴极值、预设的网格数量计算每个网格的大小,以及根据所述每个网格的大小对所述二维图片进行网格化处理;根据每个网格中包含的三维点的数量确定每个网格对应的灰度值,并根据每个网格对应的灰度值生成二维图片对应的灰度图,以便将所述灰度图输入到所述语义标注模型进行干扰线的过滤和轮廓的标注。
可选地,根据所述每个网格的大小对所述三维图片进行网格化处理,包括:根据所述室内三维点云数据计算所有三维点坐标值中的Z轴极值,并去除Z轴坐标为所述Z轴极值的三维点,以及根据每个三维点的坐标值将去除Z轴极值三维点后的剩余三维点划分到对应的网格中。
可选地,在将所述二维图片输入到预先训练好的语义标注模型之前,还包括:根据所述二维图片的大小和预设的切分规格对所述二维图片进行切分,以生成多个切分图片,以便将所述切分图片输入到预先训练好的语义标注模型进行干扰线的过滤和轮廓标注。
可选地,每个网格的大小根据以下公式计算:
其中,dw表示每个网格的宽度,dh表示每个网格的长度,W表示每一行网格的数量,H表示每一列网格的数量,maxX表示所有三维点坐标值中X轴的最大值,minX表示所有三维点坐标值中X轴的最小值,maxY表示所有三维点坐标值中Y轴的最大值,minY表示所有三维点坐标值中Y轴的最小值。
可选地,根据以下公式将三维点划分到对应的网格中:
其中,x表示三维点的X轴坐标值,y表示三维点的Y轴坐标值,minX表示所有三维点坐标值中X轴的最小值,minY表示所有三维点坐标值中Y轴的最小值,dw表示每个网格的宽度,dh表示每个网格的长度,u表示网格的横向编号,v表示网格的纵向编号。
可选地,每个网格对应的灰度值根据以下公式计算:
其中,dp表示网格中三维点的数量与灰度值之间的对应关系,maxNum表示每个网格所包含三维点数量的最大值,minNum表示每个网格所包含三维点数量的最小值,p表示每个网格对应的灰度值,num表示网格对应的三维点数量。
为达到上述目的,本发明第二方面实施例提出了一种计算机可读存储介质,其上存储有三维模型生成程序,该三维模型生成程序被处理器执行时实现如上述的室内三维模型生成方法。
根据本发明实施例的计算机可读存储介质,通过存储三维模型生成程序,以使得处理器在执行该三维模型生成程序时,实现如上述的室内三维模型生成方法,从而避免因可移动物体妨碍导致的三维点云缺失等问题对室内建模的影响,并对室内三维数据进行建模,同时,降低三维数据处理过程中所需要的人力和物力资源。为达到上述目的,本发明第三方面实施例提出了一种室内三维模型生成系统,包括:获取模块,所述获取模块用于获取待建模的室内三维点云数据,并根据所述室内三维点云数据生成对应的二维图片;语义标注模块,所述语义标注模块用于将所述二维图片输入到预先训练好的语义标注模型,以通过所述语义标注模型过滤所述二维图片中的干扰线,并提取所述二维图片的轮廓信息,以及根据所述轮廓信息对所述二维图片中的轮廓进行标注,以生成室内二维模型;生成模块,所述生成模块用于根据室内二维模型和所述室内三维点云数据生成所述待建模的室内三维点云数据对应的室内三维模型。
根据本发明实施例提出的室内三维模型生成系统。设置获取模块对待建模建筑所对应的室内三维点云数据进行获取,并根据室内三维点云数据生成其所对应的二维图片,语义标注模块用于将二维图片输入到预先训练好的语义标注模型,以过滤二维图片中的干扰线;生成模块用于根据过滤后的二维图片和室内三维点云数据生成待建模建筑对应的三维模型;从而避免因可移动物体妨碍导致的三维点云缺失等问题对室内建模的影响,并对室内三维数据进行建模,同时,降低三维数据处理过程中所需要的人力和物力资源。
另外,根据本发明上述实施例提出的室内三维模型生成系统还可以具有如下附加的技术特征:
可选地,还包括:
网格化模块,所述网格化模块用于在根据所述室内三维点云数据生成对应的二维图片之后,根据所述室内三维点云数据计算所有三维点坐标值中的X轴极值和Y轴极值,并根据所述X轴极值和Y轴极值、预设的网格数量计算每个网格的大小,以及根据所述每个网格的大小对所述二维图片进行网格化处理;
灰度图生成模块,所述灰度图生成模块用于根据每个网格中包含的三维点的数量确定每个网格对应的灰度值,并根据每个网格对应的灰度值生成二维图片对应的灰度图,以便将所述灰度图输入到所述语义标注模型进行干扰线的过滤和轮廓的标注。
附图说明
图1为根据本发明实施例的室内三维模型生成方法的流程示意图;
图2为根据本发明另一实施例的室内三维模型生成方法的流程示意图;
图3为根据本发明实施例的室内三维模型生成系统的方框示意图;
图4为根据本发明另一实施例的室内三维模型生成系统的方框示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
相关技术中,在出现因可移动物体而导致的三维数据不准确问题时,需要耗费大量的人力物力,且效率低下,易错漏;根据本发明实施例的室内三维模型生成方法,首先,通过三维数据采集设备(例如,雷达等)获取待建模的室内三维点云数据,并根据室内三维点云数据生成待建模建筑对应的二维图片;然后,将二维图片输入到预先训练好的语义标注模型,以通过语义标注模型对二维图片中可移动物体形成的干扰线进行过滤,并提取二维图片的轮廓信息,以及根据轮廓信息对二维图片中的轮廓进行标注,以生成室内二维模型;接着,根据室内二维模型和室内三维点云数据进行三维建模,以生成待建模建筑对应的三维模型;从而避免因可移动物体妨碍导致的三维点云缺失等问题对室内建模的影响,并对室内三维数据进行建模,同时,降低三维数据处理过程中所需要的人力和物力资源。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
图1为根据本发明实施例的室内三维模型生成方法的流程示意图,如图1所示,该室内三维模型生成方法包括以下步骤:
S101,获取待建模的室内三维点云数据,并根据室内三维点云数据生成对应的二维图片。
也就是说,通过三维数据采集设备对待建模建筑所对应的室内三维点云数据进行采集,然后,根据采集到的室内三维点云数据生成对应的二维图片。
作为一种示例,将原始三维点云进行投影处理,以生成对应的二维图片。
在一些实施例中,根据室内三维点云数据生成对应的二维图片具体包括:
根据室内三维点云数据计算所有三维点坐标值的X轴极值和Y轴极值,并根据X轴极值和Y轴极值、预设的网格数量计算每个网格的大小,以及根据每个网格的大小对二维图片进行网格化处理;
根据每个网格中包含的三维点的数量确定每个网格对应的灰度值,并根据每个网格对应的灰度值生成二维图片对应的灰度图,以便将灰度图输入到语义标注模型进行干扰线的过滤和轮廓的标注。
作为一种示例,首先,对原始三维点云中的三维点的坐标进行统计,以分别计算得到X 轴方向和Y轴方向上的最大值和最小值,分别用maxX表示所有三维点坐标值中X轴的最大值,minX表示所有三维点坐标值中X轴的最小值,maxY表示所有三维点坐标值中Y轴的最大值,minY表示所有三维点坐标值中Y轴的最小值;接着,假设给定网格的数量为W*H(优选地,可以把W*H设定为1024),进而,可以根据以下公式进行每一个网格大小的计算:
其中,dw表示每个网格的宽度,dh表示每个网格的长度,W表示每一行网格的数量,H表示每一列网格的数量。
然后,根据室内三维点云数据计算所有三维点坐标值的Z轴极值,并去除Z轴坐标为Z 轴极值的三维点,以及根据每个三维点的坐标值将去除Z轴极值三维点后的剩余三维点划分到对应的网格中。
即言,将最高点确定为天花板的点,而最低点即为地面点,从而,可以根据室内三维点云数据中每个三维点的坐标值中Z轴极值判断当前点是否为天花板的点或者地面点,如果是,则将该三维点去除。
接着,根据每个三维点的坐标值将去除Z轴极值三维点后的剩余三维点划分到对应的网格中。
作为一种示例,根据以下公式将三维点划分到对应的网格中:
其中,x表示三维点的X轴坐标值,y表示三维点的Y轴坐标值,minX表示所有三维点坐标值中X轴的最小值,minY表示所有三维点坐标值中Y轴的最小值,dw表示每个网格的宽度,dh表示每个网格的长度,u表示网格的横向编号,v表示网格的纵向编号。
然后,根据每个网格中包含的三维点的数量确定每个网格对应的灰度值,并根据每个网格对应的灰度值生成二维图片对应的灰度图,以便将灰度图输入到语义标注模型进行干扰线的过滤和轮廓线的标注。
作为一种示例,每个网格对应的灰度值根据以下公式计算:
其中,dp表示网格中三维点的数量与灰度值之间的对应关系,maxNum表示每个网格所包含三维点数量的最大值,minNum表示每个网格所包含三维点数量的最小值,p表示每个网格对应的灰度值,num表示网格对应的三维点数量。
即言,根据每个网格所包含三维点数量的最大值和最小值来计算网格中三维点的数量与灰度值之间的对应关系,进而,根据这个对应关系以及当前网格所包含三维点的数量与最小值之间的差值来计算当前网格所对应的灰度值。
在一些实施例中,为了使得二维图片更适于训练,一般该二维图片会采用预设的格式,以使得训练效率得到保证;因此,在这种情况下,在将二维图片输入到预先训练好的语义标注模型之前,还包括:根据二维图片的大小和预设的切分规格对二维图片进行切分,以生成多个切分图片,以便将切分图片输入到预先训练好的语义标注模型进行干扰线的过滤和轮廓线的标注。
S102,将二维图片输入到预先训练好的语义标注模型,以通过语义标注模型过滤二维图片中的干扰线,并提取二维图片的轮廓信息,以及根据轮廓信息对二维图片中的轮廓进行标注,以生成室内二维模型。
也就是说,将处理好的二维图片输入到预先训练好的语义标注模型,以对二维图片中可移动物体形成的干扰线进行过滤和轮廓的标注。
作为一种示例,首先,设计一个网络结构实现对切块后的二维图片进行语义标注。其中,该网络结构主要包含两个部分,前半部分是一个自动编码器用于初步提取轮廓信息,后半部分则是基于U-Net结构用于语义标注;前半部分提取的轮廓信息可以作为先验信息,辅助后半部分,以提高语义标注的准确度。语义标注可以分为三类,分别为墙体、空白区域和开口处;然后再将处理后的切片进行拼装,以生成室内二维模型。
S103,根据室内二维模型和室内三维点云数据生成待建模的室内三维点云数据对应的室内三维模型。
也就是说,根据室内二维模型和室内三维点云数据进行三维建模,以得到待建模的室内三维点云数据对应的室内三维模型。
可以理解,在根据室内三维点云数据生成二维图片之后,该二维图片损失了高度信息,在二维图片中,一条线段就对应了三维点云中的一面墙,因此,结合室内三维点云数据,可以找到每一条线段所对应的三维点,之后,利用这些三维点可以确定每条线段的最高点和最低点,即墙面的最高点和最低点,进而,可以根据线段、线段的最高点和最低点得到对应的三维模型。
需要说明的是,得到的二维图片中可能会存在噪声点,因此,可以采用采用“Afast parallel algorithm for thinning digital patterns”算法删除不需要的轮廓点,每条线段只保留一个像素的宽度,之后考虑每个非空白像素周围点,如果为孤立点则置为空白点,进而可以消除噪声点的影响。
在本发明的一些实施例中,如图2所示,该室内三维模型生成方法具体包括以下步骤:
S201,获取待建模的室内三维点云数据。
S202,根据室内三维点云数据计算所有三维点坐标值中的X轴极值和Y轴极值,并根据X轴极值和Y轴极值、预设的网格数量计算每个网格的大小。
S203,根据室内三维点云数据计算所有三维点坐标值中的Z轴极值,并去除Z轴坐标为Z轴极值的三维点,以及根据每个三维点的坐标值将去除Z轴极值三维点后的剩余三维点划分到对应的网格中。
S204,根据每个网格中包含的三维点的数量确定每个网格对应的灰度值,并根据每个网格对应的灰度值生成二维图片对应的灰度图。
S205,将灰度图输入到预先训练好的语义标注模型,以通过语义标注模型过滤二维图片中的干扰线,并提取二维图片的轮廓信息,以及根据轮廓信息对二维图片中的轮廓进行标注,以生成室内二维模型;
S206,根据室内二维模型和室内三维点云数据生成待建模的室内三维点云数据对应的室内三维模型。
综上所述,根据本发明实施例的室内三维模型生成方法,首先,通过三维数据采集设备(例如,雷达等)获取待建模的室内三维点云数据,并根据室内三维点云数据生成待建模建筑对应的二维图片;然后,将二维图片输入到预先训练好的语义标注模型,以通过语义标注模型对二维图片中可移动物体形成的干扰线进行过滤,并提取二维图片的轮廓信息,以及根据轮廓信息对二维图片中的轮廓进行标注,以生成室内二维模型;接着,根据室内二维模型和室内三维点云数据进行三维建模,以生成待建模的室内三维点云数据对应的室内三维模型;从而避免因可移动物体妨碍导致的三维点云缺失等问题对室内建模的影响,并对室内三维数据进行建模,同时,降低三维数据处理过程中所需要的人力和物力资源。
为了实现上述实施例,本发明实施例还提出了一种计算机可读存储介质,其上存储有三维模型生成程序,该三维模型生成程序被处理器执行时实现如上述的室内三维模型生成方法。
根据本发明实施例的计算机可读存储介质,通过存储三维模型生成程序,以使得处理器在执行该三维模型生成程序时,实现如上述的室内三维模型生成方法,从而避免因可移动物体妨碍导致的三维点云缺失等问题对室内建模的影响,并对室内三维数据进行建模,同时,降低三维数据处理过程中所需要的人力和物力资源。
为了实现上述实施例,本发明实施例还提出了一种室内三维模型生成系统,如图3所示,该室内三维模型生成系统包括:获取模块10、语义标注模块20和生成模块30。
其中,获取模块10用于获取待建模的室内三维点云数据,并根据室内三维点云数据生成对应的二维图片;
语义标注模块20用于将二维图片输入到预先训练好的语义标注模型,以通过语义标注模型过滤二维图片中的干扰线,并提取所述二维图片的轮廓信息,以及根据所述轮廓信息对所述二维图片中的轮廓进行标注,以生成室内二维模型;
生成模块30用于根据室内二维模型和室内三维点云数据生成待建模的室内三维点云数据对应的室内三维模型。
在一些实施例中,如图4所示,该室内三维模型生成系统还包括:网格化模块40和灰度图生成模块50。
其中,网格化模块40用于在根据室内三维点云数据生成对应的二维图片之后,根据室内三维点云数据计算所有三维点坐标值中的X轴极值和Y轴极值,并根据X轴极值和Y轴极值、预设的网格数量计算每个网格的大小,以及根据每个网格的大小对二维图片进行网格化处理;
灰度图生成模块50用于根据每个网格中包含的三维点的数量确定每个网格对应的灰度值,并根据每个网格对应的灰度值生成二维图片对应的灰度图,以便将灰度图输入到语义标注模型进行干扰线的过滤和轮廓的标注。
需要说明的是,上述关于图1中室内三维模型生成方法的说明同样适用于该室内三维模型生成系统,在此不做赘述。
综上所述,根据本发明实施例提出的室内三维模型生成系统。设置获取模块对待建模建筑所对应的室内三维点云数据进行获取,并根据室内三维点云数据生成其所对应的二维图片,语义标注模块用于将二维图片输入到预先训练好的语义标注模型,以通过语义标注模型过滤二维图片中的干扰线,并提取所述二维图片的轮廓信息,以及根据所述轮廓信息对所述二维图片中的轮廓进行标注,以生成室内二维模型;生成模块用于根据室内二维模型和室内三维点云数据生成待建模建筑对应的三维模型;从而避免因可移动物体妨碍导致的三维点云缺失等问题对室内建模的影响,并对室内三维数据进行建模,同时,降低三维数据处理过程中所需要的人力和物力资源。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和 /或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种室内三维模型生成方法,其特征在于,包括以下步骤;
获取待建模的室内三维点云数据,并根据所述室内三维点云数据生成对应的二维图片;
将所述二维图片输入到预先训练好的语义标注模型,以通过所述语义标注模型过滤所述二维图片中的干扰线,并提取所述二维图片的轮廓信息,以及根据所述轮廓信息对所述二维图片中的轮廓进行标注,以生成对应的室内二维模型;
根据所述室内二维模型和所述室内三维点云数据生成所述待建模的室内三维点云数据对应的室内三维模型;
其中,根据所述室内三维点云数据生成对应的二维图片,包括:
根据所述室内三维点云数据计算所有三维点坐标值中的X轴极值和Y轴极值,并根据所述X轴极值和Y轴极值、预设的网格数量计算每个网格的大小,以及根据所述每个网格的大小对所述二维图片进行网格化处理;
根据每个网格中包含的三维点的数量确定每个网格对应的灰度值,并根据每个网格对应的灰度值生成二维图片对应的灰度图,以便将所述灰度图输入到所述语义标注模型进行干扰线的过滤和轮廓的标注。
2.如权利要求1所述的室内三维模型生成方法,其特征在于,根据所述每个网格的大小对所述二维图片进行网格化处理,包括:
根据所述室内三维点云数据计算所有三维点坐标值中的Z轴极值,并去除Z轴坐标为所述Z轴极值的三维点,以及根据每个三维点的坐标值将去除Z轴极值三维点后的剩余三维点划分到对应的网格中。
3.如权利要求1所述的室内三维模型生成方法,其特征在于,在将所述二维图片输入到预先训练好的语义标注模型之前,还包括:
根据所述二维图片的大小和预设的切分规格对所述二维图片进行切分,以生成多个切分图片,以便将所述切分图片输入到预先训练好的语义标注模型进行干扰线的过滤和轮廓标注。
7.一种计算机可读存储介质,其特征在于,其上存储有三维模型生成程序,该三维模型生成程序被处理器执行时实现如权利要求1-6中任一项所述的室内三维模型生成方法。
8.一种室内三维模型生成系统,其特征在于,包括:
获取模块,所述获取模块用于获取待建模的室内三维点云数据,并根据所述室内三维点云数据生成对应的二维图片;
语义标注模块,所述语义标注模块用于将所述二维图片输入到预先训练好的语义标注模型,以通过所述语义标注模型过滤所述二维图片中的干扰线,并提取所述二维图片的轮廓信息,以及根据所述轮廓信息对所述二维图片中的轮廓进行标注,以生成室内二维模型;
生成模块,所述生成模块用于根据所述室内二维模型和所述室内三维点云数据生成所述待建模的室内三维点云数据对应的室内三维模型;
其中,还包括:
网格化模块,所述网格化模块用于在根据所述室内三维点云数据生成对应的二维图片之后,根据所述室内三维点云数据计算所有三维点坐标值中的X轴极值和Y轴极值,并根据所述X轴极值和Y轴极值、预设的网格数量计算每个网格的大小,以及根据所述每个网格的大小对所述二维图片进行网格化处理;
灰度图生成模块,所述灰度图生成模块用于根据每个网格中包含的三维点的数量确定每个网格对应的灰度值,并根据每个网格对应的灰度值生成二维图片对应的灰度图,以便将所述灰度图输入到所述语义标注模型进行干扰线的过滤和轮廓的标注。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010318788.6A CN111612886B (zh) | 2020-04-21 | 2020-04-21 | 室内三维模型生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010318788.6A CN111612886B (zh) | 2020-04-21 | 2020-04-21 | 室内三维模型生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111612886A CN111612886A (zh) | 2020-09-01 |
CN111612886B true CN111612886B (zh) | 2022-07-19 |
Family
ID=72203203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010318788.6A Active CN111612886B (zh) | 2020-04-21 | 2020-04-21 | 室内三维模型生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111612886B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344956B (zh) * | 2021-06-21 | 2022-02-01 | 深圳市武测空间信息有限公司 | 基于无人机航摄三维建模的地物轮廓提取分类方法 |
CN114419278A (zh) * | 2022-01-19 | 2022-04-29 | 厦门大学 | 室内三维彩色网格模型生成方法及系统 |
CN117475110B (zh) * | 2023-12-27 | 2024-04-05 | 北京市农林科学院信息技术研究中心 | 叶片的语义三维重建方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108415032A (zh) * | 2018-03-05 | 2018-08-17 | 中山大学 | 一种基于深度学习与激光雷达的点云语义地图构建方法 |
CN109887082A (zh) * | 2019-01-22 | 2019-06-14 | 武汉大学 | 一种基于点云数据的室内建筑三维建模方法及装置 |
CN110197530A (zh) * | 2019-06-13 | 2019-09-03 | 齐鲁工业大学 | 透光浮雕灯罩实体模型构建方法及系统 |
CN110243370A (zh) * | 2019-05-16 | 2019-09-17 | 西安理工大学 | 一种基于深度学习的室内环境三维语义地图构建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10424065B2 (en) * | 2016-06-10 | 2019-09-24 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and methods for performing three-dimensional semantic parsing of indoor spaces |
-
2020
- 2020-04-21 CN CN202010318788.6A patent/CN111612886B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108415032A (zh) * | 2018-03-05 | 2018-08-17 | 中山大学 | 一种基于深度学习与激光雷达的点云语义地图构建方法 |
CN109887082A (zh) * | 2019-01-22 | 2019-06-14 | 武汉大学 | 一种基于点云数据的室内建筑三维建模方法及装置 |
CN110243370A (zh) * | 2019-05-16 | 2019-09-17 | 西安理工大学 | 一种基于深度学习的室内环境三维语义地图构建方法 |
CN110197530A (zh) * | 2019-06-13 | 2019-09-03 | 齐鲁工业大学 | 透光浮雕灯罩实体模型构建方法及系统 |
Non-Patent Citations (2)
Title |
---|
Semantic line framework-based indoor building modeling using backpacked laser scanning point cloud;ChengWang 等;《ISPRS Journal of Photogrammetry and Remote Sensing》;20180425;第143卷;第150-166页 * |
基于深度网络模型的三维合成模型优化方法研究;曾维;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20200115;I138-1330 * |
Also Published As
Publication number | Publication date |
---|---|
CN111612886A (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111612886B (zh) | 室内三维模型生成方法及系统 | |
CN109685060B (zh) | 图像处理方法和装置 | |
CN110490415B (zh) | 一种多无人机视觉协同的建筑进度评估方法 | |
CN112347550B (zh) | 耦合式室内三维语义建图及建模方法 | |
CN111524100B (zh) | 一种缺陷图像样本生成方法、装置及面板缺陷检测方法 | |
CN112633657B (zh) | 一种施工质量管理方法、装置、设备及存储介质 | |
CN112991534B (zh) | 一种基于多粒度物体模型的室内语义地图构建方法及系统 | |
CN110346808A (zh) | 一种激光雷达的点云数据处理方法和系统 | |
US11935193B2 (en) | Automated mesh generation | |
JP2016049454A (ja) | 3d医用画像中の対象物を分割するための3d対象物の変換 | |
KR101549155B1 (ko) | 라이다 자료를 활용한 구조물의 직선경계 추출방법 | |
CN111415364A (zh) | 一种计算机视觉中图像分割样本的转换方法、系统及存储介质 | |
CN111783721A (zh) | 一种激光点云的车道线提取方法及电子设备 | |
CN114419278A (zh) | 室内三维彩色网格模型生成方法及系统 | |
CN113870326A (zh) | 一种基于图像和三维点云配准的结构损伤映射、量化及可视化方法 | |
JP6874987B2 (ja) | 地物形状抽出装置、地物形状抽出方法、及びプログラム | |
CN116452604A (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
CN112132135B (zh) | 一种基于图像处理的电网传输线检测方法、存储介质 | |
CN115311396A (zh) | 一种超高建筑物屋顶轮廓线的自动提取方法及系统 | |
CN111598901B (zh) | 基于深度图像的牙科修复制品的加工进度的估算方法 | |
CN113496468B (zh) | 深度图像的修复方法、装置和存储介质 | |
CN112116561B (zh) | 基于图像处理融合网络权值的电网传输线检测方法及装置 | |
CN112270742A (zh) | 一种基于物体自然特征点进行模型检索的方法 | |
CN112884026A (zh) | 一种图像识别辅助的输电线路激光LiDAR点云分类方法 | |
CN117807782B (zh) | 一种实现三维仿真模型的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |